AI、球员教练与管理问题的解决

近年来，杰克·多西、布莱恩·阿姆斯特朗和马克·扎克伯格等科技领袖不约而同地表示：AI正在削减管理层级，取而代之的是“球员教练”——一种既亲力亲为参与实际工作，又同时负责团队管理的角色。这一趋势背后有着现实的逻辑支撑。

然而，紧随其后的第二个效应需要我们解决：教练工作本身如何有效开展？优秀的组织通常由深谙领域知识的专家创立和领导，他们真正理解产品、客户以及什么重要、什么不重要。但随着组织扩张，这些专家很快会遇到时间瓶颈。我曾多年带领团队，发现一对一指导的效率有一个上限：当团队成员超过5、8或10人时，时间根本不够用。尝试小组辅导又会带来效率问题：有人觉得太基础，有人觉得太深入。

传统的解决方案是增加管理层级来分担教练负担，但这代价高昂——在美国，每位员工的管理成本可能达到数万美元。更糟的是，许多管理者缺乏足够的领域专业知识，导致“翻译成本”：顶级的专家需要传达意见，但管理者转述时往往不够准确，员工不得不直接回去找专家。结果是你为管理层级付费，却没有获得应有的杠杆效应。

AI改变了什么？很多人在编程、报告、分析和研究等任务上实现了5到10倍的效率提升。这种压缩让球员教练模式变得可行——如果专家的执行时间大幅减少，他们就可以更贴近实际工作，而无需那么多中间层级。但同样的压缩也给教练工作带来了新挑战：当你自己20分钟就能完成的事，却需要20分钟解释、20分钟审核，很可能还要再花一轮时间时，自己做的诱惑非常大。然而，一个人不可能包揽所有工作，团队仍需独立运作。

第一波AI工具主要提升个人效率，这已经做得很好。下一步是让AI服务于整个团队，这正是球员教练的实际职责，也是Axamy正在解决的问题。球员教练需要知道每个成员明天做什么、下周计划是什么，以及工作是否与当前优先事项一致——AI可以通过分析待办事项、估算时间，帮助教练在几分钟内制定日计划和周计划，取代冗长的规划会议。

第二个环节是进度更新。基于语音的更新让团队成员自然记录进展，AI自动关联到对应的任务和问题，无需繁琐的表格填写。一旦更新顺畅流动，AI就能判断哪些工作已经完成、哪些还需决策。第三个环节是培训。区别于良莠不齐的小组课程，AI可以按个人节奏和缺口进行针对性教学，教练只需识别出需要提升的领域，系统负责讲授。

规划、更新和培训三者闭环：规划提供清晰方向，更新让信息从团队回流，培训则让教练无需额外时间就能采取行动。团队成员因此获得更清晰及时的反馈，压力减轻，效率提高。我相信，随着AI继续演进，还有更多方法可以帮助球员教练和他们的团队更有效地协作。